[지디넷코리아]3. 고객모델 만들기

지금까지 ‘고객알기’를 주제로 해서 내부의 고객정보와 외부의 고객정보에 대한 설명과 고객을 알아가기 위한 방법 네 가지를 설명 드렸습니다.

오늘 이야기 나눌 부분은 ‘고객모델’입니다. 고객모델은 고객의 구매와 온라인의 이용패턴과 관련된 행위 정보를 기반으로 고객을 세분화 하거나 이용등급을 나누는 것을 의미합니다.

가장 궁극적으로 고객의 모델을 만드는 이유는 고객에 대한 전략적 가치 판단의 기준을 찾기 위해서 입니다.

통신사나 금융기관에서는 고객의 정보를 잘 세분화하여 고객들의 프로파일을 관리하고 있습니다. 고객에게 알맞은 요금제도의 설계나 포인트의 사용 정보를 잘 분석하여 고객에 입맛에 맞는 상품들을 추천하기까지 하는 것은 고객들의 모델을 전략적으로 잘 활용하고 있음을 보여주는 예입니다.

만약 기업을 방문하는 고객 전부에게 똑같은 형식의 보상을 주는 방식을 사용하고 계시다면 그것은 고객에 대한 기초적인 분석 활동이 이루어 지지 못했음을 의미하는 것이고, 향후 고객에 대한 전략이 없는 것을 말합니다.


이 같은 고객모델의 구성은 어떻게 할 것인가?

지금 추천해 드리는 방식은 RFM(R : Recency, F : Frequency, M : Monetary)의 고객 가치(CE : Customer Equity)모델과 고객의 생애가치LTV(Life Time Value, 고객생애의 가치 = 거래횟수 X 고객의 잠재수익성 X 고객의 거래 기간)모델을 적절히 배분하여 구성하는 방식입니다. 이는 사업의 성격에 따라 조금씩 상이해 질 수 있는 모델이며, 필요에 의해서는 다양한 구매의 패턴정보도 함께 구성한다면 더욱 고객사에 알맞은 고객 모델이 구성될 것 입니다.

고객모델의 구성은 가장 먼저 고객의 측정 데이터(R/F/M/L)들을 산출하여야 합니다(1). 적어도 6개월에서 1년 전의 고객들의 구매나 온라인의 이용행태에 대한 측정 데이터 기초통계정보를 활용하여 분포도를 확인해 봐야 합니다.

예를 들어 구매빈도(F : Frequency)의 데이터 통계 구성이 1과 4에 집중적으로 구성되어 있다고 한다면 구매빈도의 기준을 1과 4로 각각 잡아서 상-중-하로 구성하는 것도 하나의 고객의 등급 속성별로 구분하는 방식이 될 것입니다.

다른 측정데이터를 모두 분석하여 통계적 기준이나 합의에 의한 기준점을 찾은 이후에는 고객의 데이터 측정값의 기준으로 고객들을 나누어 보는 것입니다(2).

이렇게 하여 나뉘어진 고객의 등급별 정보는 등급별 속성정보로서의 의미와 전략적인 측면에서의 세분화된 정보가 됩니다(3). 여기서 중요한 것은 나누어진 고객의 등급별 속성정보를 지속적으로 관리하고 피드백 해봐야 한다는 것입니다(4). 기준에 의하여 나누어진 고객등급의 고객들이 필요에 의하여 좀더 세분화 될 수도 있고, 비슷한 속성등급으로 병합을 시켜야 할 경우도 필요하기 때문입니다.

장기적으로는 고객모델의 구성 이후에 주간이나 월간 분석자료에 등급별 이용현황(매출, 상품 등의 활동)을 추가로 분석하여 보다 전략적인 측면에서의 고객모델 활용을 만드는 것이 가장 중요합니다. @